ความเป็นส่วนตัวของข้อมูล การเลือกเครื่องมือที่ปลอดภัย และการลบข้อมูลระบุตัวตน

กำไร:

• การไม่เปิดเผยชื่อและการประเมินความจำเป็นก่อนที่จะให้ข้อมูลที่ละเอียดอ่อนและข้อมูลทางการเงินของลูกค้าแก่เครื่องมือปัญญาประดิษฐ์
• ความสามารถในการแยกแยะความแตกต่างระหว่างเครื่องมือ AI ขององค์กรและสาธารณะในด้านความเป็นส่วนตัว การเก็บรักษาข้อมูล และการใช้งานในด้านการศึกษา
• ความสามารถในการจัดการการละเมิดข้อมูล ระยะเวลาการเก็บรักษา และการแบ่งปันความเสี่ยงของบุคคลที่สามภายในกรอบการทำงานของ KVKK

ประกันภัยเป็นหนึ่งในอาชีพที่ทำงานกับข้อมูลที่ละเอียดอ่อนที่สุด ไฟล์ประกันภัย อาจรวมถึงข้อมูลประจำตัว ที่อยู่ รายได้ บัญชีธนาคาร ประวัติสุขภาพ บันทึกความเสียหาย ป้ายทะเบียน โฉนดที่ดิน และแม้แต่ข้อมูลครอบครัว ข้อมูลบางส่วนอยู่ภายใต้การคุ้มครองสูงสุดในฐานะ "ข้อมูลส่วนบุคคลที่มีลักษณะพิเศษ" ใน KVKK (กฎหมายคุ้มครองข้อมูลส่วนบุคคล) ข้อมูลด้านสุขภาพ ไบโอเมตริกซ์ และข้อมูลที่คล้ายกันเป็นตัวอย่างทั่วไปของสิ่งนี้ การแบ่งปันข้อมูลนี้โดยไม่มีการควบคุมเมื่อใช้เครื่องมือปัญญาประดิษฐ์ (โดยเฉพาะบนคลาวด์) ถือเป็นความเสี่ยงร้ายแรงต่อการละเมิดและสูญเสียความไว้วางใจ เมื่อรั่วไหลแล้วจะไม่สามารถเรียกคืนข้อมูลได้ ในหน่วยนี้ คุณจะได้เรียนรู้วิธีทำให้ข้อมูลลูกค้าเป็นนิรนาม (การลบข้อมูลส่วนบุคคล) ก่อนที่จะมอบให้กับปัญญาประดิษฐ์ ความแตกต่างด้านความเป็นส่วนตัวระหว่างเครื่องมือขององค์กรและสาธารณะ และวิธีการจัดการความเสี่ยงของการละเมิดข้อมูล การจัดเก็บ และการแบ่งปันโดยบุคคลที่สามภายในกรอบการทำงานของ KVKK หน่วยนี้ไม่ใช่คำแนะนำทางกฎหมาย อธิบายหลักการทั่วไป ปรึกษาแผนกปฏิบัติตาม/กฎหมายเป็นกรณีพิเศษ

เหตุใดความเป็นส่วนตัวจึงมีความสำคัญ: ประเภทข้อมูล

ในการประกันภัยจำเป็นต้องแยกข้อมูลตามระดับการป้องกัน:

• ข้อมูลประจำตัว: ชื่อ นามสกุล หมายเลขประจำตัว TR วันเกิด ผู้ติดต่อ มันระบุบุคคลโดยตรง
• ข้อมูลทางการเงิน: รายได้ บัญชีธนาคาร ประวัติการชำระเงิน เป็นเรื่องส่วนตัวและละเอียดอ่อน
• ข้อมูลคุณภาพพิเศษ: สุขภาพ ข้อมูลไบโอเมตริกซ์ การป้องกันสูงสุด ต้องมีเงื่อนไขที่เข้มงวดมากขึ้น (ความยินยอมโดยชัดแจ้งหรือข้อยกเว้นตามกฎหมาย) ในการประมวลผล
• ข้อมูลไฟล์: เลขที่กรมธรรม์ ป้ายทะเบียน โฉนด รายละเอียดความเสียหาย เมื่อรวมกับผู้อื่นก็สามารถเปิดเผยตัวตนได้

อันตรายที่ใหญ่ที่สุดคือความสามารถในการระบุตัวตนที่เกิดขึ้นเมื่อคุณนำข้อมูลนี้มารวมกัน แม้ว่า "ผู้หญิงอายุ 45 ปี" จะไม่เปิดเผยตัวตน แต่ "ผู้หญิงอายุ 45 ปี + ป้ายทะเบียน + ที่อยู่ที่แน่นอน" สามารถเปิดเผยตัวตนได้

ข้อควรสนใจ: การพูดว่า "ลบ" หลังจากที่ให้ข้อมูลแก่เครื่องมือปัญญาประดิษฐ์ไม่ได้เป็นการลบข้อมูลนั้นจริงๆ เครื่องมือบางอย่างจัดเก็บอินพุตและใช้เพื่อฝึกโมเดลด้วย กฎ: ห้ามส่งข้อมูลที่ละเอียดอ่อน การไม่เปิดเผยตัวตนเกิดขึ้นก่อนที่จะส่ง

การไม่เปิดเผยชื่อ: ทำอย่างไร

การไม่เปิดเผยตัวตนคือการลบข้อมูลที่สามารถระบุตัวตนได้และแทนที่ด้วยข้อเท็จจริงที่เทียบเท่ากัน เป้าหมายคือการทำให้บุคคลนั้นไม่สามารถจดจำได้ในขณะเดียวกันก็รักษาคุณภาพผลงานไว้ การไม่เปิดเผยตัวตนที่ดี:

• ลบข้อมูลชื่อ, TR ID, โทรศัพท์, ที่อยู่, เลขที่กรมธรรม์, ป้ายทะเบียนและโฉนดข้อมูล
• เขาแทนที่ด้วยคำเทียบเท่าที่มีความหมายเชิงวิเคราะห์: "อายุ 45 ปี ชาย กรมธรรม์ประกันภัย อนาโตเลียตอนกลาง ชนข้างเดียว"
• หลีกเลี่ยงการผสมผสานที่หายาก/โดดเด่น: อาชีพที่เฉพาะเจาะจงมาก + สถานที่เล็กมาก ซึ่งเพียงอย่างเดียวสามารถเปิดตัวตนได้
• คงความหมายทางการแพทย์/ทางเทคนิค เช่น "สุขภาพเสริม การผ่าตัดกระดูกและข้อที่วางแผนไว้"

เคล็ดลับ: หลังจากไม่เปิดเผยชื่อ ให้ถามตัวเองว่า: "ถ้าคนแปลกหน้าอ่านข้อความนี้ เขาจะตามหาคนนั้นได้ไหม" หากคำตอบคือใช่ ให้สรุปเพิ่มเติม โดยเฉพาะการรวมกันที่หายาก (เขตเล็ก + งานเฉพาะ) เป็นอันตราย

เครื่องมือระดับองค์กรเทียบกับเครื่องมือสาธารณะ

เครื่องมือ AI บางอย่างไม่ได้มีความเป็นส่วนตัวในระดับเดียวกัน ต่างกันในสามมิติ:

1. การเก็บรักษาข้อมูล: จะเก็บข้อมูลอินพุตไว้หรือไม่และนานเท่าใด
2. ใช้ในการฝึกอบรม: ใช้อินพุตเพื่อฝึกโมเดลหรือไม่
3. สถานที่และสัญญา: ประมวลผลข้อมูลที่ไหน มีข้อตกลงการประมวลผลข้อมูลองค์กรหรือไม่

เครื่องมือของสถาบัน (การรับประกันการประมวลผลข้อมูลตามสัญญาของสถาบัน) มักมีข้อจำกัดในการไม่ใช้และจัดเก็บข้อมูลในการศึกษา เครื่องมือสาธารณะที่ให้บริการฟรีสามารถจัดเก็บข้อมูลและใช้ในการฝึกอบรมได้ กฎ: ข้อมูลที่ละเอียดอ่อนจะได้รับการประมวลผลเฉพาะในวิธีที่สถาบันได้รับการอนุมัติ ตามสัญญา และในรูปแบบนิรนามเท่าที่เป็นไปได้ การป้อนข้อมูลลูกค้าลงในเครื่องมือที่ไม่ได้รับการอนุมัติจะทำให้ผู้ประมวลผลข้อมูลไม่สามารถตรวจสอบได้

ทีละขั้นตอน: ทำงานอย่างปลอดภัยด้วยข้อมูลที่เป็นความลับ

1. จำแนกประเภทข้อมูล ตัวตน/การเงิน/คุณภาพพิเศษ/ไฟล์ข้อมูล
2. การทดสอบความจำเป็น ข้อมูลนี้จำเป็นจริงๆ สำหรับงานนี้หรือไม่? ถ้าไม่ก็อย่าใช้มัน
3. ไม่ระบุชื่อ ลบตัวระบุ แทนที่ข้อเท็จจริงที่เทียบเท่า สรุปชุดค่าผสมที่หายาก
4. เลือกยานพาหนะ เฉพาะยานพาหนะที่ทำสัญญาและได้รับการอนุมัติจากหน่วยงานเท่านั้น ไม่มีข้อมูลที่ละเอียดอ่อนสำหรับเครื่องมือสาธารณะ
5. ทำงานกับข้อมูลขั้นต่ำ แบ่งปันข้อมูลขั้นต่ำที่จำเป็นสำหรับงาน
6. จัดการพื้นที่เก็บข้อมูลและการแชร์ คุณเก็บผลลัพธ์ไว้ที่ไหน คุณแชร์กับใคร ปฏิบัติตามระยะเวลาการเก็บรักษาของ KVKK และกฎของบุคคลที่สาม ทิ้งเครื่องหมายของคุณไว้

มินิเคสสามอัน

กรณีที่ 1 — การปกป้องข้อมูลที่ละเอียดอ่อน ผู้เชี่ยวชาญด้านการเรียกร้องสินไหมต้องการถาม AI เกี่ยวกับไฟล์ประกันสุขภาพที่ซับซ้อน แทนที่จะเขียนชื่อ บัตรประจำตัว และคำวินิจฉัยของผู้เอาประกันภัย เขาสร้างบริบทที่ไม่เปิดเผยตัวตน เช่น "อายุ 52 ปี ผู้หญิง นโยบายสุขภาพเสริม การผ่าตัดลิ้นหัวใจที่วางแผนไว้ จำนวนเงินที่โต้แย้ง" คุณภาพของผลผลิตไม่ลดลง ข้อมูลส่วนตัวไม่ได้ไปที่คลาวด์ใด ๆ ข้อมูลสุขภาพอยู่ภายใต้การคุ้มครองสูงสุด นิสัยนี้ป้องกันการละเมิด

กรณีที่ 2 — กับดักแบบรวมที่หายาก “นโยบายความรับผิดชอบทางวิชาชีพเพศหญิงอายุ 38 ปี เป็นเภสัชกรเพียงคนเดียวใน [เขตเล็กมาก]” ผู้เชี่ยวชาญคนหนึ่งเขียน แม้ว่าในทางเทคนิคจะไม่มีชื่อ แต่ก็เผยให้เห็นตัวตนของเขาโดยตรงเนื่องจากเขาเป็นเภสัชกรเพียงคนเดียวในเขตนั้น ผู้เชี่ยวชาญสังเกตเห็นสิ่งนี้และสรุปว่าเป็น "ชุมชนเล็กๆ วิชาชีพด้านการดูแลสุขภาพ" การไม่เปิดเผยตัวตนไม่ได้เป็นเพียงการลบชื่อเท่านั้น แต่ยังทำลายความสามารถในการจดจำอีกด้วย

กรณีที่ 3 — การเลือกเครื่องมือไม่ถูกต้อง เพื่อความรวดเร็ว พนักงานจะอัปโหลดรายละเอียดการเคลมของลูกค้าไปยังเครื่องมือสาธารณะที่ให้บริการฟรี นโยบายของทีมมีผลบังคับใช้: ข้อมูลลูกค้าจะได้รับการประมวลผลในเครื่องมือตามสัญญาที่ได้รับการอนุมัติจากสถาบันเท่านั้น ก่อนอื่นพนักงานจะต้องไม่ระบุชื่อข้อมูล จากนั้นจึงเรียกใช้ข้อมูลในเครื่องมือที่ได้รับอนุมัติ หากใช้เครื่องมือที่ไม่ได้รับการอนุมัติ ความเสี่ยงในการจัดเก็บข้อมูลและการใช้ในการศึกษาจะไม่สามารถควบคุมได้

ข้อความแจ้งที่สามารถคัดลอกได้สี่รายการ

1) ผู้ช่วยไม่ระบุชื่อ:

ลบข้อมูลส่วนบุคคลและข้อมูลระบุตัวตนทั้งหมดออกจากข้อความต่อไปนี้: ชื่อ นามสกุล ID วันเกิด โทรศัพท์ ที่อยู่ เลขที่กรมธรรม์ ป้ายทะเบียน โฉนดที่ดิน IBAN แทนที่ด้วยข้อเท็จจริงที่เทียบเท่ากับความหมายเชิงวิเคราะห์ (เช่น "อายุ 45 ปี ชาย กรมธรรม์ ชนข้างเดียว") สรุปชุดค่าผสมที่หายาก/โดดเด่น (สถานที่เล็ก + อาชีพพิเศษ) คงไว้ซึ่งความหมายทางการแพทย์/ทางเทคนิค ข้อความ: [วาง]

2) การตรวจสอบการรับรู้:

ตรวจสอบข้อความที่ไม่ระบุชื่อต่อไปนี้เพื่อการจดจำ: [ข้อความ] ถาม: คนแปลกหน้าสามารถค้นหาบุคคลที่มีข้อความนี้ได้หรือไม่ มีการรวมกันที่หายาก (ข้อตกลงเล็กน้อย + อาชีพ/เหตุการณ์เฉพาะ) วันที่หรือจำนวนที่ไม่ซ้ำใครหรือไม่? เน้นแต่ละจุดที่มีความเสี่ยงและแนะนำวิธีสรุปอย่างปลอดภัยยิ่งขึ้น

3) ความต้องการข้อมูลและการจำแนกประเภท:

จำแนกประเภทและทดสอบข้อกำหนดข้อมูลที่จำเป็นสำหรับงานต่อไปนี้: งาน: [คำอธิบาย] ข้อมูลที่ฉันมี: [รายการ] สำหรับแต่ละข้อมูล: ประเภท (ข้อมูลประจำตัว/การเงิน/พิเศษ/ไฟล์) จำเป็นสำหรับงานนี้หรือไม่ (ใช่/ไม่ใช่) หากจำเป็น วิธีใช้โดยไม่ระบุชื่อ ทำเครื่องหมายข้อมูลที่ไม่จำเป็นเป็น "ไม่ใช้"

4) รายการตรวจสอบการเลือกยานพาหนะ:

สร้างรายการตรวจสอบก่อนใช้เครื่องมือ AI กับข้อมูลประกันภัย รวมคำถาม: รถได้รับการอนุมัติจากสถาบันหรือไม่? มีข้อตกลงการประมวลผลข้อมูลหรือไม่? มันจัดเก็บ/ใช้อินพุตในการฝึกอบรมหรือไม่? ข้อมูลถูกประมวลผลที่ไหน? เหมาะสมกับข้อมูลประเภทใด? การไม่เปิดเผยตัวตนเพียงพอหรือไม่?

พรอมต์อ่อน / พรอมต์แรง

จุดอ่อน: "ประเมินไฟล์ของลูกค้า Ahmet Yılmaz (TC 123... แนบรายงานทางการแพทย์)"

ปัญหา: ข้อมูลประจำตัวและข้อมูลละเอียดอ่อน (สุขภาพ) ได้รับการแบ่งปันโดยตรง มีความเสี่ยงสูงต่อการละเมิด KVKK

ชัดเจน: "พิจารณาบริบทที่ไม่เปิดเผยตัวตนต่อไปนี้: อายุ 52 ปี เป็นผู้หญิง นโยบายด้านสุขภาพเสริม การผ่าตัดที่วางแผนไว้ จำนวนเงินที่มีการโต้แย้ง ไม่มีข้อมูลที่สามารถระบุตัวตนได้"

เหตุใดจึงดี: ความหมายเชิงวิเคราะห์ยังคงอยู่ ไม่มีการเปิดเผยตัวตนและข้อมูลที่ละเอียดอ่อน

แผนภูมิเปรียบเทียบ

ชนิดข้อมูล

ระดับการป้องกัน

ใช้ในปัญญาประดิษฐ์

ชื่อ/TC/ผู้ติดต่อ

สูง

ถอดใส่เทียบเท่า

การเงิน (รายได้/IBAN)

สูง

ลบ/สรุป

สุขภาพ/คุณสมบัติพิเศษ

สูงสุด

ไม่เคยดิบ; ยานพาหนะที่ไม่ระบุชื่อ + ได้รับการอนุมัติ

เลขที่กรมธรรม์/ทะเบียน/โฉนด

สูงปานกลาง

ลบ; เพียงอย่างเดียวก็มีความเสี่ยง

มวลรวม/สถิติ

ต่ำ

มีอยู่ (หากไม่มีการติดต่อ)

ข้อผิดพลาดทั่วไป

• วางข้อมูลส่วนบุคคล/สุขภาพดิบ การละเมิดบ่อยที่สุดและรุนแรงที่สุด
• คิดว่าแค่ลบชื่อก็พอแล้ว การรวมกันที่หายากอาจยังคงเปิดเผยตัวตน
• อาศัยการพูดว่า "ลบทีหลัง" เครื่องมือนี้อาจจัดเก็บ/ใช้ข้อมูลในการฝึกอบรม
• การไม่อนุมัติ/การขับรถสาธารณะ การประมวลผลข้อมูลที่ไม่สามารถควบคุมได้
• ไม่ได้จัดการพื้นที่เก็บข้อมูลและการแชร์ พื้นที่จัดเก็บเอาต์พุตไม่จำกัด การแชร์กับบุคคลที่สามโดยไม่มีการควบคุม

โดยสรุป

ข้อมูลประกันภัยมีความละเอียดอ่อนมาก ข้อมูลพิเศษ เช่น สุขภาพ อยู่ภายใต้การคุ้มครองสูงสุดภายใต้ KVKK จำแนก ท้าทาย และทำให้ข้อมูลไม่ระบุชื่อก่อนที่จะมอบให้กับ AI: ลบตัวระบุ ออกข้อมูลเทียบเท่าข้อเท็จจริง สรุปชุดค่าผสมที่หายาก ประมวลผลข้อมูลที่ละเอียดอ่อนเฉพาะในเครื่องมือที่ได้รับอนุมัติจากสถาบันและตามสัญญาเท่านั้นและในขอบเขตขั้นต่ำ จัดการระยะเวลาการจัดเก็บและการแชร์ของบุคคลที่สามภายในกรอบของ KVKK และทิ้งร่องรอยไว้ ปรึกษาการปฏิบัติตาม/กฎหมายเฉพาะกรณี ข้อมูลที่รั่วไหลไม่สามารถเรียกคืนได้

งานสมัคร

รับความเสียหายจริง/ข้อความอ้างอิง (เพื่อการทดสอบ) ไม่ระบุชื่อด้วยพร้อมท์ #1 จากนั้นตรวจสอบการจดจำด้วยพร้อมท์ #2: ยังมีชุดค่าผสมที่หายากในข้อความที่สามารถเปิดเผยบุคคลได้หรือไม่ สรุปความเสี่ยงแต่ละอย่างที่คุณพบ ประเมินเครื่องมือ AI ที่คุณใช้ด้วยรายการตรวจสอบหมายเลข 4: เหมาะสำหรับข้อมูลที่ละเอียดอ่อนหรือไม่?

รายการตรวจสอบ

• [ ] ฉันจำแนกข้อมูลตามประเภท
• [ ] ฉันใช้แบบทดสอบความจำเป็น ฉันไม่ได้ใช้ข้อมูลที่ไม่จำเป็น
• [ ] ฉันลบตัวระบุออกแล้วแทนที่ด้วยข้อมูลเทียบเท่าที่เป็นข้อเท็จจริง
• [ ] ฉันสรุปชุดค่าผสมที่หายาก/โดดเด่น
• [ ] ฉันได้ตรวจสอบการจดจำแล้ว
• [ ] ฉันใช้เฉพาะรถที่ทำสัญญาและได้รับการอนุมัติจากบริษัทเท่านั้น
• [ ] ฉันจัดการพื้นที่เก็บข้อมูลและการแชร์ของบุคคลที่สามตาม KVKK ฉันทิ้งเครื่องหมายไว้